站内搜索引擎体验与转化

考虑到用户自身、竞争环境、其他用户综合影响购买行为,针对浏览型用户,重点分析产品SKU丰富度、比价、优惠和惊喜、其他用户的浏览痕迹以及视觉上的舒适性;针对目的型用户,则涉及到搜索入口的易用性、搜索系统的性能、搜索结果相关性、产品SKU、价格、视觉设计。
datakong.cn

与市场目标用户群(TA)定位一样, WA首先分析人员需要考虑什么样的用户会使用站内搜索引擎,包括用户使用的搜索场景等(当然因为不是customer segment,所以场景无需列的特别细),就我个人而言,一般将搜索用户分为2类:

a.购买目的比较明确的用户,他们已经确定自己想购买什么产品;

b.通过keyword预设热词或语义广泛的搜索词等方式进入搜索结果页随便浏览无明确目的的用户,多以女性用户为主。

无论是哪一类用户,对于电子商务交易类网站而言,我们在做产品规划时往往希望将这两类用户转化前的路径缩短到最低,理想的路径就是:

 

 

考虑到用户自身、竞争环境、其他用户综合影响购买行为,针对浏览型用户,重点分析产品SKU丰富度、比价、优惠和惊喜、其他用户的浏览痕迹以及视觉上的舒适性;针对目的型用户,则涉及到搜索入口的易用性、搜索系统的性能、搜索结果相关性、产品SKU、价格、视觉设计。至于结账流程,由于是主流程,我们不打算在专门分析搜索这一分支流程的时候讨论。

其次:

知道了我的网站搜索对象以及搜索的整体journey 后,作为WA人员,就需要思考用户在这些路径中的转化和流失是怎么样的?WA人员必须以网站为载体进行分析,配送售后等可能无法通过第三方工具直接获得其 流失率而需另外单独分析等(本文不具体说)。我通常会先画出journey图后然后将journey中涉及website的部分转化为常见的漏斗图,然后 将可能影响每一步流失的原因重点标记出来一一分析;

将搜索漏斗模型暂且分为4个主要的步骤:

1.       searcher:         用户在搜索框中输入关键词并点击“搜索”按钮的用户

   可能影响转化的因素:a.搜索功能可用性/布局/可视性等与用户预期不符;

2.       search  browser:  进入搜索结果页后点击搜索结果中产品的用户;

     可能影响转化的因素:a.搜索导航不清晰(我一般会分成搜索结果相关性是否高,搜索结果排序是否合 

      理2个方面)                b.搜索结果为0,导致用户离开;

3.  search shopper:    将产品加入购物车

     可能影响转化的因素:a.搜索结果相关度是否高(relevance) 

                                          b.价格/sku

                                          c.是否有相关cross-sell的推荐等

4.  search buyer    购买(一般可以理解为within search visits)

   可能影响转化的因素:  a.checkout process  b.支付方式

                    

接着:

定义出搜索用户的流失模型后,就非常简单了,WA人员只要根据每一步中可能影响的因素进行深入分析:

Step1:首先我必须确定一个网站搜索引擎overall performance的评估体系以能够帮助我大概对我网站现在搜索的performance有个初步全面的了解;我定义的体系如下:

 

解释说明:

a.选取一个统计时间段内网站所有visitors和所有on-site searchers的基础数据(IBM coremetrics或者adobe  omniture都可以轻松获得searcher的细分群体)

b.从coremetrics或omniture中获取全网所有关于sessions,uv,unique buyer和revenue的数据,同时,另外将全部访客细分成搜索用户;

c.有了两个cluster的基本数据,计算出他们的conversion,详见calculated metrics&最关键指标;

d.将搜索的conversion effectiveness与全网用户进行对比,并评估搜索优化的潜在可能性等。

 

Step2

Ø  searcher

我会问自己这么几个问题:

1.         用户在使用搜索功能的时候,搜索功能(框)无论是位置还是视觉上是否足够清晰可见,搜索框长度设计是否太长,是否会增加用户使用上的负担?

2.         搜索功能可用性如何?

3.         如果我分析的网站产品sku数足够多,会不会可能存在同名但不同类的产品,针对这一类产品,搜索引擎可能无法那么智能,此时,我们的网站是否让用户有一个自有控制权?

4.         其它相关问题….

 

[问题1]主要讲下搜索框设计长度,搜索框视觉和位置不再重点写,基本以设计醒目为主。那么搜索框长度如何定义呢?一般而言,以网站搜索用户的一个搜索词平均长度作为参照。

    WA人员可以选取top100的关键词(当然可以使用二八法则或者一九法则来定义到底是选多少关键词作 

为参照,但也有可能存在不符合这两个原则的情况,此时可以根据实际情况选取前面较热门代表性较大的词),搜索框长度设计可以根据用户在你的网站输入的关键词的长度来确定搜索框长度究竟多少比较合理(可使用excel中len函数值,获取关键词具体数据属性,如:(我用spss随机处理后的数据)

 

   关键词长度

N

有效

49

缺失

0

              均值

5.346

              中值

4.000

           极小值

1.00

           极大值

31.00

 

 根据处理后得出的关键词均值,中位数等属性并结合UI视觉上美感的一个长度范围综合给出一个搜索框合理的长度,因为搜索框太长,可能加重用户搜索时视觉上的负担,降低搜索的效率;

 

[问题2]搜 索框可用性如何?对于很多经常浏览电商网站的老用户而言,可能不用提示就清楚地知道搜索框中需输入产品关键词等等,而对小部分新用户而言可能并不知道该功 能的使用准则,此时我们在做设计时候可以增加一个友好的交互提示语,比如“请输入产品类别”等,让用户可以清晰地知道这个搜索框中输入的是什么,参见美国 新蛋:

       有时候产品人员往往已经形成了固有的思维模式,认为这么简单的东西用户怎么可能不会?而事实是,的确有很多用户并不知道,他们可能不太上网,也不是专业人士,所以有时候我们在做产品设计时候要把我们的用户当成傻瓜,从而增加产品的可用性。

 

[问题3]如果我分析的网站产品sku数足够多,会不会可能存在同名但不同类的产品,针对这一类产品,搜索引擎可能无法那么智能,此时,我们的网站是否让用户有一个自有控制权?

例如:用户输入硬盘,当然,我们希望用户找的就是“硬盘”,但是可能存在一部分用户比较懒,他搜索的是硬盘,但其实寻找的是“移动硬盘”,那么我们可以为此类用户增加一个交给他自己选择产品类别的机会,让用户拥有控制权。如新蛋网针对搜索功能时候处理的方式:

 

Ø  search  browser:

此处需借助clickstreams 来进行深入分析(coremetrics和omn中都有现成的完整的点击流数据,我们需要建立clickstreams to search result page和clickstreams from search result page两个报告)

 

针对clickstreams from search result page,我们尤其要注意以下几个问题:

1.   多少visits从搜索结果页直接exit?直接跳出?(这个比例不能高,如果高,就需要针对搜索结果的精准度,相关性等作进一步调研分析)

2.   多少visits从搜索结果页进入产品详情页?(搜索结果页的目的是引导用户能够直接进入产品详情页,所以这个比例非常重要。)

3.   如果有条件,监控用户是在搜索结果页第几个页面点击产品的?(corem和om都可以实现这个查询,比较简单),这个可以方便我们观察用户行为,分析搜索结果页各个tab的使用率,后面搜索引擎优化就可以根据这个数据来…一般我的经验是前3页的查询比例会较高,后面几页压根不会看。)

4.   多少visits 是进行二次搜索?(可用直接搜集到这个数据,同时,像omn还可以通过关键词路径来分析用户搜索词转换的一个过程),多少visits是返回首页或者进入 其他页面?(这个比例也要特别看下,因为索结果页的目的是引导用户能够直接进入产品详情页,所以这个比例如果比较高就不正常);

 

针对clickstreams to search result page,我们尤其要注意:

1.       多少visits来自首页?

2.       多少visits来自产品列表页?详情页?

如果有条件,将产品列表页和详情页按类别细分,分析不同类别的搜索一个比例,探究可能存在的流失原因。尤其在不同类别的页面如果某一类搜索频率特别高,那么就要引起注意了….

针对点击流的分析,我个人非常喜欢的就是segmentation.细分,细分还是细分。无论是coremetrics还是omniture都能够灵活地进行细分。

 

Ø  search  shopper:

     此处针对两种场景进行分析,第一种场景是没有搜索结果的,第二种场景是有搜索结果的。

     没有搜索结果,即search result=0,此时,分析人员需要和相关部分合作,定期监控网站搜索结果为0

的关键词,探究到底是什么原因使search result=0?可能有几种原因:

1.       搜索引擎自身算法(如分词等)问题导致;

2.       网站本身没有这种产品(无此品牌/类别等)

3.       系统SEO设置问题等;

4.       其他

针对以上可能存在的几种原因定期监控并采取对应优化措施提高转化率。

需要说的是,在coremetrics中,有现成的average#results=0这一指标,而在omn中,则需要另外custom event来定义这个搜索为空的事件,我们称为internal keyword null searches,没有corem这样现成的数据,这个也是om的一个不方便的地方,所有的数据收集都需要自己另外设置变量,但这方面而言,也比coremetrics灵活很多。

 

同时,为了提高用户体验,避免搜索结果为0的尴尬,可以适当采取call to action的行为,如增加友好提示,给予一定个性化推荐等,如新蛋,京东。

  

新蛋

 

 

        第2类场景是搜索有结果,但是可能搜索结果的relevance&precision并不十分精准。此时建议WA人员可以有效地做一个全面的评估。我采用的是专家打分法(一般为5个人)。

在newegg的时候有过一个类似的项目,简单说下,当时是选取了一些热词进行test(略做改动):

假设现在有一个关键词:移动硬盘,那么在新蛋搜索框中输入后,呈现“97”条结果。

针对relevance&precision进行测试评估:

Relevance:

        定义metrics:最匹配的产品ranking,如用户搜索的是移动硬盘,出现在第一行,ranking显示1;

如果有N个关键词,则原表应该为:

 

测试关键词

ranking

移动硬盘

1

keyword2

1

keyword3

3

avg.(平均数)

medium

below 3st(ranking>3的总数)

below 5th(>5)

 

        一般很多网站产品显示以24,48,96为例,此处以24为基准点,选取第1,2行节点,认为显示在这两行的产品曝光率较高。那么我们只要看下在这个范围之外的比例来评估我网站的搜索引擎如何?

 

Precision:

    采用专家打分法对搜索结果进行r,n,m打分,当然找真实用户来做测试更有代表性。R,n,m需根据企业自身的搜索列表呈现等单独进行rules的设定,比如我的网站,如何界定搜索结果与关键词完全匹配?需要专门设置一个量化的范围,这样评估时候产生的误差相对会小一点。

 

 

        上面仅仅是一个关键词例子,由于全网关键词搜索量较多,选取热门的关键词进行一一测试,最后将所有关键词的high,medium,low分别进行平均,算出这三个不同范围的一个总百分比。

 

另外针对relevance,还可以采用更为简单的方法,设计的table如下:

最后直接算出effecive,ineffective,moderately effective的一个比例分布。

 

当然,在search shopper这一关键步骤中,取决于用户是否将产品加入购物车的原因是多样化的,产品的价格(建议产品抽样人工比价,或者有条件的使用比价工具 等),sku,各种优惠政策等都有决定性因素,这个在具体分析时都要考虑进去,从而来找出真正影响该步骤流失的原因。

 

Ø  search  buyer:

        用户已经进入结算页面,已经决定购买,价格,产品因素等这些可能因素权重相对其它几个步骤会降低,影响因素更大的可能是用户体验,例如结算流程(通过clickstreams来进行分析),配送时间,支付方式等。这里不再赘述。

 

Step3:

分析好了上面几个关键步骤,最后最好加入“competitive benchmark”这一块,这块数据在中国比较缺失,美国英国等欧洲国家有完善的一套体系,所以bench的数据比较容易搜集到。 Coremetrics中也有benchmark的数据,但可惜的是benchmark样本大多都是国外的网站而非中国国内网站,参考价值就比较小了。

Ø search buyer:

       用户已经进入结算页面,已经决定购买,价格,产品因素等这些可能因素权重相对其它几个步骤会降低,影响因素更大的可能是用户体验,例如结算流程(通过clickstreams来进行分析),配送时间,支付方式等。这里不再赘述。

 

Step3:

       分析好了上面几个关键步骤,最后最好加入“competitive benchmark”这一块,这块数据在中国比较缺失,美国英国等欧洲国家有完善的一套体系,所以bench的数据比较容易搜集到。 Coremetrics中也有benchmark的数据,但可惜的是benchmark样本大多都是国外的网站而非中国国内网站,参考价值就比较小了。

 

文章最后对用户输入的关键词单独说明几点,我们WA分析人员必须特别重视用户输入的搜索词,可以称为content分析,我们在分析的过程中可以从以下几个维度考虑:

   1.词性分析

将关键词可以分为品牌词,类目通用词(可再细分成具体的类目),竞品词,属性词,系列词,型号词,长尾词等等….

多问问几个为什么?

1. 哪一组ad group的搜索量最大?

2. 哪一组投入产出比最高?比如cost&budget的比例如何等等

3. 另外关键词的CTR,CPC等都衡量进去,看看到底哪些对你的这些指标有实际作用?

根据这些不同的效果来协助制定SEM策略也是一个很好的选择。另外,om中可以

通过在marketing rules中事先设置进去keyword-branded ,keyword –nonbranded等属性方便查询分析哈…..

 

      2.Customer’s wants&needs 分析

这项工作需要的时间比较长,除非可以对现有关键词进行语义分析。一般将相似的关键词先聚类到一起,然后试着猜测用户的可能用意…例如:

将所有用户的需求整理出来之后,可以试着对市场,产品规划做相关的优化调整,因为这些是你的用户最为关注的地方…..看看他们对你的什么产品感兴趣亦或者是对哪些方面有疑惑(可能你的网站有了这些内容但是并不容易被你的用户发现)….

 

 

这边附加一点,还有可能用户搜索的词可以使你马上通知你的PM部门提前采购,比如这次刚刚发生的H7N9,很多用户会第一时间来你网站搜索板蓝根,口罩等防疫用品,这就需要企业能够及时抓住这个契点商机。

      3.Customer segmentation分析

将搜索关键词与用户的属性行为关联,多问自己几个为什么?

a. 搜索笔记本的用户与手机的用户是同一类吗?

b.上海地区的用户与北京的用户更关注我们网站上的哪些产品?他们是否在行为上有差异?(或许这些差异可以帮助我们更好地了解我们的用户,从而在制定一些市场投放策略上或者产品设计规划上会有所倾斜。)

很多很多问题…..

另外还有关键词的季节性分析,语义分析等等,很多很多….

当 然上面所有的关键词最好分热门关键词和long-tail两块单独分析。另外站内关键词这块真的有太多的metrics指标来评估,比如%queries where users click on a search result, average#search result pages viewed per query, average#pages viewed after searching, search refinement rate, most frequent search terms, average#items added from search results,很多很多….根据你分析的实际需要来选取吧….

 

[结尾]之所以开这个博客,也是希望能够对平时工作,所读之物有点积累吧,毕竟WA人员不好当,又要懂市场,采购,网站产品规划,用户体验,用户,统计等等,可以说是个杂家吧,这条路任重而道远。

接上篇,算完整了。第一篇博文写的有点长,因为一直在纠结写些什么内容。后面会慢慢加入coremetrics的一些模块(需求来源:有次上海网站分析师吃饭有个朋友问我coremetric和其他工具的区别,我记住了哦, )以及omniture的一些模块等等。我希望在这边可以分享我的分析经验,各种工具的使用等,当然也希望聆听到你的分享,如果我有什么错误的地方,也欢迎指正!

最 后分享我的一个经验(受益于一个在英国工作了6年有网站分析经验的外国人):我们分析人员不要受思维上的限制,在做分析框架搭建的时候,让自己的思维尽量 活跃(能不能收集到这个数据先撇开),多想些detailed的商业问题,同时想想这些商业问题问出来后是要解决什么问题?所有detailed的商业问 题列出来后,再用第三方分析工具或是bi等一一去收集呈现,甚至包括加代码,永远记住:工具服务你的business 。

订阅评论
提醒
guest的头像

0 评论
内联反馈
查看所有评论
0
希望看到您的想法,请您发表评论x